Los proyectos de aprendizaje automático que los empleadores quieren ver

entrar en el aprendizaje automático, luego hacer proyectos sencillos y seguir tutoriales básicos es como intentar ganar una carrera de Fórmula 1 en un kart.

Te moverás, pero no competirás y ciertamente no ganarás.

Revisé cientos de carteras de ML y entrevisté a docenas de candidatos para roles reales de ciencia de datos y ML, y puedo decirles esto: las personas que son contratadas crean proyectos que van más allá de los tutoriales.

Entonces, en este artículo, desglosaré los tipos exactos de proyectos y marcos que realmente generan entrevistas y ofertas de trabajo.

No son fáciles.

Pero es precisamente por eso que funcionan.

Reimplementar un trabajo de investigación.

Piénselo.

Un artículo de investigación sobre aprendizaje automático es la culminación de varios meses de trabajo de algunos de los principales profesionales en el campo, resumido en unas pocas páginas de texto.

La cantidad de conocimiento en estos artículos es tremenda.

Entonces, si analizas, analizas y vuelves a implementar estos documentos por tu cuenta, imagina cuánto aprenderías.

Es como intentar reconstruir un auto de Fórmula 1 a partir de planos: puede que no tengas las mismas herramientas que los ingenieros originales, pero al comprender cada tuerca y tornillo, aprendes cómo funciona toda la máquina. Y cuando finalmente tengas tu propia versión en funcionamiento, comprenderás las carreras a un nivel que la mayoría de la gente nunca alcanza.

Reimplementar un artículo le enseñará muchas habilidades:

Ser capaz de comprender matemáticas complejas asociadas con modelos de vanguardia. Pudiendo implementar modelos sofisticados utilizando código desde cero o librerías simples. Ser capaz de pensar creativamente y aplicar los propios conocimientos a nuevas ideas.

Y lo importante es que la mayoría, y me refiero a casi el 99%, de los candidatos no lo hacen, por lo que usted se destacará instantáneamente.

Sin embargo, no es fácil y te lo puedo decir por experiencia de primera mano. Pero lo fácil no va a conseguir que te contraten hoy en día.

Ahora, cómo implementar el documento podría ocupar un artículo completo en sí mismo, pero déjame explicarte los pasos clave:

Lee el periódico. Luego, vuelva a leerlo una y otra vez, hasta que comprenda completamente lo que el artículo intentaba resolver, el algoritmo utilizado, los datos y por qué los resultados fueron significativos y si son impactantes o esperados. Dependiendo de su experiencia, esto puede llevar un tiempo. Si no entiendes ciertos conceptos, ve y apréndelo. Esto no es una pérdida de tiempo, ya que está cerrando activamente las lagunas de conocimiento que tiene. Dibuje/codifique la arquitectura de alto nivel, como las entradas y salidas, el diseño aproximado del sistema general y la estructura del modelo ML. Comience a implementar la parte más simple y póngala a funcionar. Construya un prototipo funcional aproximado. Optimice e intente replicar los resultados.

Algunos artículos que recomiendo implementar:

Estos se encuentran principalmente dentro del espacio del aprendizaje profundo, pero puede encontrar artículos relevantes para el campo que desea estudiar.

Algunos sitios web útiles para encontrar artículos:

Resuelve tu propio problema

“¿Qué proyectos debo construir”?

Esta es la segunda pregunta más común que me hacen, la primera es ¡cómo me volví tan guapo!

La cuestión es que la mayoría de la gente no entiende que la pregunta es incorrecta (la del proyecto, no la pregunta atractiva).

Si te diera un proyecto exacto para hacer, no habría ninguna historia detrás en la entrevista.

¿Qué vas a decir?

“Oh, un tipo de Internet dijo que debería construirlo”

No es exactamente un gran escenario en el que estar.

Un proyecto que se destacará es profundamente personal para usted y está motivado para resolverlo. Eso es mucho mejor e interesante y se demostrará durante una entrevista.

Proyecto de ejemplo

Déjame darte un ejemplo de un gran proyecto.

Mencioné esta historia en una publicación anterior, pero la voy a repetir para enfatizar realmente el tipo de proyectos que debes construir.

En mi empresa anterior, contratábamos a un científico de datos junior para trabajar en problemas de investigación de operaciones.

El candidato que terminamos contratando tenía un proyecto destacado que era directamente relevante para el trabajo y era un problema que estaba interesado en resolver.

Tenían interés en el fútbol de fantasía (NFL) y diseñaron su propio algoritmo de optimización para asignar mejor sus selecciones de jugadores cada semana.

Incluso fueron más allá: leyeron artículos periodísticos sobre las soluciones de otros e implementaron algunas de las ideas. ¡Vea el enlace con trabajos de investigación!

mi marco

Aquí tienes un marco sencillo que puedes seguir para crear un proyecto similar al que acabo de mencionar.

Enumere al menos cinco cosas que le interesen fuera del trabajo. Para cada tema, escriba cinco preguntas que le interesaría responder o resolver. Entonces, en total, tendrás 25 preguntas potenciales. Ahora, piense en cómo el aprendizaje automático podría ayudar a responder esas preguntas. No te preocupes si la pregunta parece completamente imposible; Sea creativo. Sin embargo, obviamente, ¡no intentes crear perros robot o algo así! Finalmente, elige la pregunta que más te entusiasme. Lo ideal es elegir algo que parezca un poco fuera de su alcance; De esa manera, realmente aprenderá y saldrá de su zona de confort.

Este ejercicio te llevará 10 minutos, así que no tienes excusa para no hacerlo, y te dará una idea de proyecto que te ayudará a conseguir trabajo.

Complejidad y escala del edificio

Sin embargo, la idea por sí sola no necesariamente será suficiente. Para eso, el proyecto necesita cierta complejidad y escala.

Esto se puede mostrar y expresar de diferentes maneras.

Puede implementar el proyecto de un extremo a otro utilizando código de producción, sistemas en la nube como AWS y contener el algoritmo utilizando Docker y Kubernetes. Puede utilizar un algoritmo o marco realmente complejo y de última generación. ¡Leer artículos de investigación es excelente para esto! Puede hacerlo para que los usuarios puedan interactuar con el proyecto, como una aplicación en línea. Puedes hacer que resuelva una variedad de problemas, como un conjunto de modelos.

Hay muchas opciones y es fácil sentirse abrumado.

Comience y aprenda sobre la marcha. Eso es todo lo que necesitas hacer.

Otras ideas

Si, por alguna razón, no te apetece hacer los dos anteriores, aunque en realidad conseguirán que te contraten, aquí tienes una lista de ideas de proyectos adicionales.

Pídele a AI un proyecto; dale un mensaje adecuado, por supuesto. Participa en una competencia de Kaggle, pero debes obtener una buena posición para que se destaque. Utilice un modelo de IA/fundacional para resolver un problema personal. Codifique algoritmos de aprendizaje automático desde cero utilizando Numpy básico, o incluso mejor, solo Python nativo.

Ahora, si quieres que te ayude más, esta es una lista de proyectos más granulares para probar:

Aprendizaje reforzado para Pac-Man o cualquier otro juego. Construyendo un modelo de lenguaje desde cero. Modelo de visión por computadora para clasificar imágenes de literalmente cualquier cosa. Análisis de sentimiento en una plataforma de redes sociales sobre un tema en particular. Sistema de recomendación de una App que te guste. Ajustar un LLM para un caso de uso particular.

Nuevamente, estoy brindando ideas de alto nivel porque deben ser personales para que realmente se destaquen.

Una vez que haya creado estos proyectos, ¡está listo para comenzar a solicitar empleo!

Pero para conseguir entrevistas, necesitarás un currículum sólido.

Entonces, ¿qué diferencia entre un currículum que se ignora y uno que llama la atención?

Descúbrelo en mi publicación anterior a continuación.